論文の概要: pomdp_py: A Framework to Build and Solve POMDP Problems
- arxiv url: http://arxiv.org/abs/2004.10099v1
- Date: Tue, 21 Apr 2020 15:21:00 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-11 07:23:19.416945
- Title: pomdp_py: A Framework to Build and Solve POMDP Problems
- Title(参考訳): pomdp_py: POMDP 問題の構築と解決のためのフレームワーク
- Authors: Kaiyu Zheng, Stefanie Tellex
- Abstract要約: pomdp_pyはPythonとCythonで書かれた汎用のPOMDPライブラリである。
Pomdp_pyは、大規模な離散的または連続的(PO)MDP問題を記述可能な、シンプルで包括的なインターフェースを備えている。
このライブラリをROSと直感的に統合することで,胴運動ロボットが3Dで物体探索を行えるようにした。
- 参考スコア(独自算出の注目度): 12.292911365074385
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In this paper, we present pomdp_py, a general purpose Partially Observable
Markov Decision Process (POMDP) library written in Python and Cython. Existing
POMDP libraries often hinder accessibility and efficient prototyping due to the
underlying programming language or interfaces, and require extra complexity in
software toolchain to integrate with robotics systems. pomdp_py features simple
and comprehensive interfaces capable of describing large discrete or continuous
(PO)MDP problems. Here, we summarize the design principles and describe in
detail the programming model and interfaces in pomdp_py. We also describe
intuitive integration of this library with ROS (Robot Operating System), which
enabled our torso-actuated robot to perform object search in 3D. Finally, we
note directions to improve and extend this library for POMDP planning and
beyond.
- Abstract(参考訳): 本稿では,python と cython で書かれた汎用部分可観測マルコフ決定プロセス (pomdp) ライブラリ pomdp_py を提案する。
既存のPOMDPライブラリは、基盤となるプログラミング言語やインターフェースのためにアクセシビリティと効率的なプロトタイピングを妨げることが多く、ロボットシステムとの統合にはソフトウェアツールチェーンの複雑さが増す。
pomdp_pyは、大規模な離散的または連続的(PO)MDP問題を記述可能な、シンプルで包括的なインターフェイスである。
本稿では,設計原則を要約し,pomdp_pyのプログラミングモデルとインターフェースについて詳述する。
また,このライブラリをros (robot operating system) と直感的に統合することで,ロボットが物体を3dで探索できることを示す。
最後に、POMDP計画等のためにこのライブラリを改善し拡張する方向性について述べる。
関連論文リスト
- pyvene: A Library for Understanding and Improving PyTorch Models via
Interventions [79.72930339711478]
$textbfpyvene$は、さまざまなPyTorchモジュールに対するカスタマイズ可能な介入をサポートするオープンソースライブラリである。
私たちは、$textbfpyvene$が、ニューラルモデルへの介入を実行し、他のモデルとインターバルされたモデルを共有するための統一されたフレームワークを提供する方法を示します。
論文 参考訳(メタデータ) (2024-03-12T16:46:54Z) - YAMLE: Yet Another Machine Learning Environment [4.985768723667417]
YAMLEはオープンソースのフレームワークで、機械学習(ML)モデルとメソッドによる迅速なプロトタイピングと実験を容易にする。
YAMLEにはコマンドラインインターフェースと、人気があり保守状態の良いPyTorchベースのライブラリとの統合が含まれている。
YAMLEの目標は、研究者や実践者が既存の実装を素早く構築し比較できる共有エコシステムに成長することだ。
論文 参考訳(メタデータ) (2024-02-09T09:34:36Z) - Deep MDP: A Modular Framework for Multi-Object Tracking [0.0]
本稿では,Multi-Object Tracking (MOT) のための高速かつモジュラーなフレームワークを提案する。
Deep MDPには大きなコードベースがあり、コミュニティが新しいアイデアを試したり、簡単に使いやすく、どんなMOTアプリケーションにも適応できるシステムを持つことに役立ちます。
論文 参考訳(メタデータ) (2023-10-22T13:17:37Z) - PyPOTS: A Python Toolbox for Data Mining on Partially-Observed Time
Series [0.0]
PyPOTSは、部分的に保存された時系列のデータマイニングと分析に特化した、オープンソースのPythonライブラリである。
これは、計算、分類、クラスタリング、予測の4つのタスクに分類される多様なアルゴリズムに容易にアクセスできる。
論文 参考訳(メタデータ) (2023-05-30T07:57:05Z) - Instruct2Act: Mapping Multi-modality Instructions to Robotic Actions
with Large Language Model [63.66204449776262]
Instruct2Actは、ロボット操作タスクのシーケンシャルアクションにマルチモーダル命令をマッピングするフレームワークである。
我々のアプローチは、様々な命令のモダリティや入力タイプを調節する上で、調整可能で柔軟なものである。
我々のゼロショット法は、いくつかのタスクにおいて、最先端の学習ベースのポリシーよりも優れていた。
論文 参考訳(メタデータ) (2023-05-18T17:59:49Z) - PyGOD: A Python Library for Graph Outlier Detection [71.8385116214495]
PyGODは、グラフデータ上の外れ値を検出するオープンソースライブラリである。
コードの信頼性と保守性を向上するためのベストプラクティスを備えている。
論文 参考訳(メタデータ) (2022-04-26T06:15:21Z) - pymdp: A Python library for active inference in discrete state spaces [52.85819390191516]
pymdpはPythonでアクティブな推論をシミュレートするオープンソースパッケージである。
我々は,POMDPによるアクティブな推論をシミュレートする,最初のオープンソースパッケージを提供する。
論文 参考訳(メタデータ) (2022-01-11T12:18:44Z) - INVIGORATE: Interactive Visual Grounding and Grasping in Clutter [56.00554240240515]
INVIGORATEは、自然言語で人間と対話し、特定の物体をクラッタで把握するロボットシステムである。
我々は、物体検出、視覚的接地、質問生成、OBR検出と把握のために、別々のニューラルネットワークを訓練する。
我々は、学習したニューラルネットワークモジュールを統合する、部分的に観測可能なマルコフ決定プロセス(POMDP)を構築します。
論文 参考訳(メタデータ) (2021-08-25T07:35:21Z) - A Data-Centric Framework for Composable NLP Workflows [109.51144493023533]
アプリケーションドメインにおける経験的自然言語処理システム(例えば、ヘルスケア、ファイナンス、教育)は、複数のコンポーネント間の相互運用を伴う。
我々は,このような高度なNLPの高速な開発を支援するために,統一的なオープンソースフレームワークを構築した。
論文 参考訳(メタデータ) (2021-03-02T16:19:44Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。